De communicatieve revolutie gaat door met kunstmatige intelligentie

Afgelopen december bespraken we hoe kunstmatige intelligentie een ontzettende vlucht heeft genomen. Met de komst van de AI-toepassing GPT-3 veranderde de invulling van het werk van een communicatieprofessional en content creator. En deze veranderingen gaan snel nu in maart van dit jaar ook GPT-4 al is gelanceerd. Momenteel zijn we ongeveer drie maanden verder sinds onze laatste blog over kunstmatige intelligentie. Wat weten we inmiddels nog meer over de werking van AI op het gebied van content? En wat zijn belangrijke voor -en nadelen? Vanuit mijn opgedane kennis in mijn afstudeeronderzoek geef ik in deze blog antwoord op deze vragen.

Kunstmatige intelligentie is een erg abstract begrip en er zijn veel definities van. Om dit begrip goed toe te lichten, combineer ik twee definities van het technologiebedrijf IBM. Ze beschrijven AI als volgt: ‘Artificial intelligence is het vakgebied dat zich bezighoudt met ontwikkelen van intelligentie in computers. Dit komt tot stand door het combineren van computerwetenschap en datasets op computers en machines om het probleemoplossend en besluitvormend vermogen van de menselijke geest na te bootsen’. De intelligentie zit hem in dat probleemoplossende en besluitvormende vermogen. Het systeem leert op basis van data, waar het patronen uithaalt van menselijk gedrag om zo zelf nieuwe taken aan te leren. Dat noem je deep learning. Op deze manier bootst het eigenlijk de manier waarop mensen leren na, maar dan vanuit datasets. Dit wordt machine learning genoemd.

De afgelopen tijd zijn er vooral AI-modellen opengesteld voor publiekelijk gebruik. Deze zijn interessant voor communicatieprofessionals en iedereen die te maken heeft met contentcreatie. We hebben de basisprincipes van AI besproken, maar hoe werkt AI-contentcreatie dan?

Simpel gezegd betekent AI-contentcreatie dat een AI-model content voor je maakt. Dat gebeurt door middel van prompts. Dit is de manier waarop aan een AI-model verteld wordt wat de uit te voeren actie is en hoe dit moet worden uitgevoerd. Dat deze taken daarna in menselijke taal uit het systeem komen, komt door de achterliggende techniek van natural language processing (NLP) en natural language generation (NLG). Daardoor worden er contentuitingen gemaakt die daadwerkelijk menselijk klinken. Kunstmatige intelligentie wordt het meest gebruikt voor contentcreatie met tekst, maar ook beeld komt hier bijvoorbeeld aan te pas.

Van blogs tot afbeeldingen en weer terug naar de wereld van fictie: er is al heel erg veel mogelijk met AI.

Er is dus al ontzettend veel mogelijk. Dit betekent niet dat deze modellen foutloos zijn. Zo is het voor sommige van deze modellen lastig om accurate content te schrijven over hele recente gebeurtenissen of ontwikkelingen. Hierover is dan nog niet genoeg data opgehaald door middel van deep learning, om de uiting op te baseren. Daardoor is het mogelijk dat er een niet helemaal kloppende contentuiting ontstaat of dat het systeem een error aangeeft. Daarentegen gaan de ontwikkelingen zo snel, dat AI-systemen nog steeds beter worden in het uitvoeren van taken. Zo vertelde Alexander Klöpping in de TV-uitzending van Op1 van 23 maart 2023 dat er inmiddels ook hele presentaties gegenereerd kunnen worden bijvoorbeeld, met opmaak én inhoud. Maar ook dat deze AI-systemen steeds beter worden in zelfstandig nadenken en dat is de riskante keerzijde. Zo doet zich al voor dat AI de welbekende ‘’ik ben geen robot’’- tests kan omzeilen door online een mens in te schakelen om dit voor hem op te lossen. Hierbij houdt het systeem de mens de leugen voor dat het om iemand gaat die slechte ogen heeft en daardoor zelf niet meer goed kan zien.

Zo zitten er meerdere ethische aspecten aan kunstmatige intelligentie. Nu de scheidslijn tussen menselijke en kunstmatige content steeds meer vervaagt, is het extra belangrijk om transparant te communiceren over het gebruik van AI en jezelf te blijven afvragen of wat het AI-systeem genereert de gewenste uitkomst is.

Vanuit mijn opgedane kennis is een belangrijke conclusie naar boven gekomen: de mogelijkheden binnen kunstmatige intelligentie nemen razendsnel toe, maar de mens moet hier een leidende rol in blijven spelen. Denk bijvoorbeeld aan het schrijven van een advies. Voor de tekstuele input kan je een AI-model raadplegen. Maar daarna is het wel zaak dat de professional de uiting checkt en aanvult naar aanleiding van zijn of haar expertise om het toepasbaar te maken op de klant. En wanneer je bijvoorbeeld brainstormt over een blog of social media caption, kan je AI goed gebruiken om dit proces sneller te maken. Ook hier kijk je dan vervolgens zelf welke caption jij het beste vindt passen bij de identiteit van het bedrijf of de boodschap van de post. De menselijke input is het belangrijkste voor de beoordeling van de input die het model vanuit de data gehaald heeft, zodat er geen schadelijke uitingen worden geproduceerd. Deze menselijke ethische check is nodig om empathisch te kijken naar de geproduceerde content, zodat we leiding houden over wat we de wereld inbrengen met AI. Daarom is het nu van belang te gaan uitzoeken hoe we het gemak van content creëren met AI kunnen combineren met onze menselijke expertises en ethische oordeelsvorming. We naderen het tijdperk van menselijke AI.